Szkoła AI / Baza wiedzy / Prompt engineering — co to

Prompt engineering — co to jest i po co w firmie

Opracowanie: Redakcja Szkoły AI · Opublikowano: 17.07.2026 · Zaktualizowano: 18.10.2026

Ten sam ChatGPT potrafi raz dać odpowiedź godną stażysty po kawie, a raz coś, co od razu wysłałbyś klientowi. Różnica bardzo często nie leży w modelu. Leży w prompcie, czyli w tym, jak go o to poprosiłeś. I właśnie o tym jest prompt engineering.

Prompt engineering: co to właściwie znaczy

Prompt to polecenie, które wpisujesz do AI. Prompt engineering to umiejętność układania tych poleceń tak, żeby model dawał dokładnie to, czego potrzebujesz. Zamiast ogólników, które trzeba potem ratować.

Nazwa brzmi technicznie, ale spokojnie: to nie programowanie. Bliżej jej do sztuki jasnego mówienia, czego się oczekuje. Jeśli umiesz wytłumaczyć zadanie nowemu pracownikowi tak, żeby nie wrócił z pięcioma pytaniami, masz już połowę tej umiejętności.

Dlaczego ten sam model raz daje banał, a raz złoto

Model nie czyta Ci w myślach i nie zna kontekstu, którego mu nie dałeś. Kiedy piszesz „napisz post o promocji", AI musi zgadnąć wszystko: dla kogo, w jakim tonie, jak długi, na jaką platformę. Zgadnie. Zwykle przeciętnie, a Ty potem siedzisz nad poprawkami, co męczy bardziej niż napisanie tekstu od zera. Im więcej mu podasz, tym mniej musi zgadywać i tym lepszy wynik dostajesz.

Anatomia dobrego promptu: 4 składniki

• Rola: kim ma być AI. „Jesteś copywriterem sklepu z kawą."
• Kontekst: sytuacja i odbiorca. „Promocja −20% na ziarna, klienci to domowi baryści."
• Zadanie: co dokładnie zrobić. „Napisz post na Instagram zachęcający do zakupu."
• Format: jak ma wyglądać wynik. „Maks. 4 zdania, lekki ton, 3 hashtagi, jedno emoji."

Nie musisz używać wszystkich czterech za każdym razem. Ale im ważniejsze zadanie, tym bardziej się opłaca.

Zły prompt kontra dobry prompt na przykładzie

Pierwszy zwróci ogólnik, który mógłby być o czymkolwiek. Drugi zwróci gotowca, w który wystarczy wstawić nazwę sklepu. Ta sama AI, kilkanaście sekund różnicy w pisaniu, przepaść w wyniku.

Jest tu jednak pułapka, o której rzadko się mówi: prompt, który błyszczy na jednym przykładzie, na drugim potrafi się rozsypać. Dlatego zanim uznasz go za gotowy, puść go na trzech różnych danych wejściowych: krótkim, długim i takim z jakimś brakiem albo dziwactwem. Jeśli na trzecim model zaczyna zgadywać zamiast zapytać, dopisz do prompta: „Jeśli czegoś brakuje, zapytaj, zamiast zgadywać." Zwykle to jedno zdanie robi więcej niż kolejna warstwa instrukcji.

5 błędów, przez które AI daje słabe odpowiedzi

• Za ogólnie. „Napisz coś o marketingu" to nie polecenie, to życzenie.
• Wszystko w jednym zdaniu. Rozbij na rolę, kontekst, zadanie, format. AI lepiej trzyma się struktury niż jednego długiego tchnienia.
• Brak przykładu. Jeśli masz wzór („chcę w stylu tego tekstu…"), wklej go. Przykład działa lepiej niż opis.
• Brak formatu. Nie powiesz „w punktach", dostaniesz ścianę tekstu. Za każdym razem.
• Poddajesz się po pierwszej próbie. Pierwszy wynik to szkic. Powiedz „skróć", „bardziej formalnie", „dodaj liczby". Dopiero poprawki dają finał.

Czego prompt engineering nie naprawi

Na tym kończy się większość obietnic: dobry prompt nie zrobi z modelu źródła wiedzy. Jeśli model nie zna faktu, dobrze sformułowane pytanie da mu tylko pewniejszy ton. To boli najbardziej, bo zmyślona odpowiedź brzmi równie wiarygodnie jak prawdziwa. Liczby, daty, przepisy, nazwy sprawdzasz sama lub sam, zawsze. Nie ma takiego prompta, który zamienia zgadywanie w pewność. Serio, nie ma!

Drugie ograniczenie to czas. Do jednorazowego, prostego pytania całe rusztowanie z rolą, kontekstem i formatem się nie opłaca: napiszesz je dłużej, niż potrwa zwykłe wyszukanie. Prompt zaczyna się zwracać przy zadaniach, które powtarzasz albo które mają skutki.

I trzecie: jak będą wyglądać modele za rok, nie wiadomo. Zasady, które tu opisuję, są stabilne od dłuższego czasu, ale pojedyncze sztuczki bywają przestarzałe po jednej aktualizacji.

Po co to w firmie i od czego zacząć

W firmie prompt przestaje być jednorazową prośbą i staje się procedurą: ktoś go zapisuje, ktoś inny go używa, a za wynik odpowiada człowiek. To jedyna wersja, w której prompt engineering ma sens biznesowy. Reszta to zabawa i szkoda na nią firmowego czasu.

Wybierz jeden proces: taki, który powtarza się co tydzień, ma jasny wzór dobrego wyniku i niskie ryzyko pomyłki. Szkic odpowiedzi na typowe pytanie klienta spełnia wszystkie trzy warunki. Odradzamy start od zadań, w których pomyłka kosztuje: umów, wycen, wiadomości z danymi osobowymi. Tam zasady muszą być gotowe przed promptami.

Czy muszę uczyć się tego miesiącami?

Na szczęście nie. Garść zasad daje większość efektu (to obserwacja, nie pomiar) i tę garść ogarniesz w jedno popołudnie. Resztę dorabiasz na własnych zadaniach. W naszym kursie prompt engineering (i już w kursie podstaw) przechodzimy przez te schematy na prawdziwych przykładach: maile, teksty, analizy, posty. Żebyś od razu pisał prompty, które działają na ChatGPT, Claude i Gemini.

Najczęstsze pytania

← Wróć do bazy wiedzy